人工智能的发展离不开基础支持层和技术层，基础支持层包括大数据、计算力和算法；技术层包括计算机视觉、语音识别和自然语言处理。首先要有计算机的基础，学习过编程和计算机算法之后，就有了学习人工智能的本钱，在进行人工智能的理解时就不会太难。

人工智能和机器学习的数学基础是概率论和数理统计基础，在掌握这两门数学基础知识后在数理方面学习人工智能就不会有太大的问题。

《人工智能：一种现代方法》这本书是目前最好的最清楚的教科书，作者罗素在计算机界是很有名的专家，诺维格博士在谷歌参与过实际的智能研发工作，很有工程经验，这本书是美国的大学在人工智能这堂课的必修书籍。当你通读了解这本书后，针对人工智能的不同应用可以进行选择性的拓展学习。比如人脸识别，需要学习图像处理；机器翻译，需要学习自然语言处理等等。

另外，最好搞懂什么是人工神经网络（Artificial Neural Network，即ANN ），这是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。

在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。